轉自：https://blog.csdn.net/DreamHome_S/article/details/85259533

1.區別

• .data返回和x的相同資料tensor, 但不會加入到x的計算曆史裡，且require s_grad = False,這樣有些時候是不安全的, 因為x.data不能被autograd追蹤求微分 。
• .detach()返回相同資料的tensor,且requires_grad=False,但能通過in-place操作報告給autograd在進行反向傳播的時候。

2.例子

.data

>>> a = torch.tensor([1,2,3.], requires_grad =True)
 
>>> out = a.sigmoid()
>>> c = out.data
>>> c.zero_()
tensor([ 0., 0., 0.])

>>> out                   #  out的數值被c.zero_()修改
tensor([ 0., 0., 0.])

>>> out.sum().backward()  #  反向傳播
>>> a.grad                #  這個結果很嚴重的錯誤，因為out已經改變了
tensor([ 0., 0., 0.])

.detach()

>>> a = torch.tensor([1,2,3.], requires_grad =True)
>>> out = a.sigmoid()
>>> c = out.detach()
>>> c.zero_()
tensor([ 0., 0., 0.])

>>> out                   #  out的值被c.zero_()修改 !!
tensor([ 0., 0., 0.])

>>> out.sum().backward()  #  需要原來out得值，但是已經被c.zero_()覆蓋了，結果報錯
 

RuntimeError: one of the variables needed for gradient
computation has been modified by an

綜上，區別是修改後再使用是否會提示報錯。